hive表存储格式的转化
hive四种存储格式介绍
一、四种存储格式介绍
1、TextFile
TextFile文件不支持块压缩,默认格式,数据不做压缩,磁盘开销大,数据解析开销大。这边不做深入介绍。
2、RCFile
Record Columnar的缩写。是Hadoop中第一个列文件格式。能够很好的压缩和快速的查询性能,但是不支持模式演进。通常
写操作比较慢,比非列形式的文件格式需要更多的内存空间和计算量。
RCFile是一种行列存储相结合的存储方式。首先,其将数据按行分块,保证同一个record在一个块上,避免读一个记录需要读
取多个block。其次,块数据列式存储,有利于数据压缩和快速的列存取。
3、ORCFile
存储方式:数据按行分块 每块按照列存储 ,压缩快 快速列存取,效率比rcfile高,是rcfile的改良版本,相比RC能够更好的压
缩,能够更快的查询,但还是不支持模式演进。
4、Parquet
Parquet能够很好的压缩,有很好的查询性能,支持有限的模式演进。但是写速度通常比较慢。这中文件格式主要是用在
hive表存储格式的转化
insert overwrite table xxx select * from yyy
上传一个文件,默认是txt格式,然后创建2张表。一个是TextFile格式,一个是另一种格式yyy
load data local inpath '路径' into table xxx;
insert overwrite table xxx select * from yyy
完成验证一下就可以了